机器学习

从最简单的 ABC 到博士阶段的学习，Wolfram 语言都是您机器学习的工具。

分类器

内置分类器

不是必须成为专家才能在项目中使用机器学习：Wolfram 语言提供了预先训练好的、即时可用的分类器函数，帮助您轻松执行有用和有趣的任务。

In[•]:=
Out[•]=

Wolfram 语言包含多种预训练分类器，可应用于文本、图像等。

查看预训练分类器的完整列表

构建自定义分类器

使用 Classify 函数可为你节省许多时间。Classify 可以从数量较少的样例中学习分类任务，然后自动找出对数据进行分类的最佳方法。

例如，假设您需要在 1,000 张度假照片上标注是否有人在照片中，如果人工操作的话会非常耗时。只标注 20 张照片，Classify 即可学会自动区分有人和无人的照片，并在一秒钟内完成其他照片的分类：

In[•]:=
Out[•]=

现在测试新创建的 ClassifierFunction，对它从未见过的新图像进行分类：

In[•]:=
Out[•]=

神经网络

预构建神经网络

对于许多常见任务，您会发现您要实现的神经网络已存在于 Wolfram 神经网络存储库中，而且可立即在您的项目中免费使用。下面是一个简洁直观的范例，调用 CycleGAN 网络将图像重新设计为梵高风格：

In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=

点击此处查看 Wolfram 神经网络存储库中 100 多个神经网络的完整列表

自定义神经网络

Wolfram 语言拥有强大的工具，可通过像 NetTrain 和 NetChain 这样的高阶结构快速构建原型或复杂的神经网络。

构建一个显式计算损失的网络：

In[•]:=
Out[•]=

初始化网络并对输入进行运算：

In[•]:=

In[•]:=
Out[•]=

下面用 NetTrain 训练神经网络。您可以通过进度窗口实时查看训练结果。

手动构建网络，并使用随机参数对其进行初始化：

In[•]:=
Out[•]=

在一组数值上运行网络：

In[•]:=
Out[•]=
In[•]:=

对网络进行几轮训练，实时检查其与模型的拟合情况：

In[•]:=

现在，网络给出的结果非常接近符号计算的结果：

In[•]:=
Out[•]=
In[•]:=
Out[•]=

开始使用

学习资源

学习路径

先试后学

想先试试吗？尝试使用以机器学习为重点的的真实代码，感受 Wolfram 语言的与众不同。

立即开始试用！ 通过免费的 Wolfram Cloud 账户访问
免费获取 Wolfram 语言认证

以您自己的方式轻松地学习 Wolfram 语言。体验我们的免费互动课程并获得认证。

立即参加在互动线课程！ 大约需要 7 个小时完成
立即开始试用！ 通过免费的 Wolfram Cloud 账户访问
立即参加在互动线课程！ 大约需要 7 个小时完成

进一步使用机器学习功能

想要继续探索机器学习功能？

如果您想了解更多 Wolfram 机器学习的信息，请访问 Wolfram 机器学习页面。您将看到：

  • 全面的概述
  • 文档和专业函数
  • 预先训练好的神经网络
  • 可下载范例
  • 在线课程和其他资源
了解更多

产品推荐